高考

等位分：自己今年的分数在去年相当于多少分

分词：把中文的汉字序列切分成有意义的词，就是中文分词，有些人也称为切词。我是一个学生，分词的结果是：我 是 一个 学生。

停用词：搜索引擎在索引页面或处理搜索请求时会自动忽略某些字或词，这些字或词即被称为Stop Words(停用词)。 如常见的“的”、“在”、“和”、“接着”之类

词嵌入（word embedding)：把文本转换成数值形式，或者说——嵌入到一个数学空间里，而 Word2vec，就是词嵌入（ word embedding) 的一种

Skip-gram 模型：如果是用一个词语作为输入，来预测它周围的上下文

CBOW 模型：如果是拿一个词语的上下文作为输入，来预测这个词语本身

词向量：一个单词所对应的向量（非one hot），向量之间的数学关系可以表示单词之间的语义关系

余弦相似性：计算2个向量夹角的余弦值，值越接近1，则2个向量差异越小，越来越相似，对于2个n维向量：

 

 简单共有词：2个文本的共有词的字符数 / 最长文本的字符数

论文思路：

1.第一步筛选：根据考生今年的名次，找到去年该名次的分数就是他的分数，将他的分数与投档线相比较以及他想去哪个省份，从而筛选出他能上的大学

2.利用word2vector算法将考生的专业意向切分成几个关键词，再转化成对应的几个词向量

3.将所有能上的学校里面的所有专业转化成院校专业词向量

4.第二步筛选：利用余弦相似度和共有词算法，求出与考生的那几个词向量最接近的院校专业词向量，保存结果集

5.排序：查询院校+专业的别的属性：院校等级（985：5分，211：4分...），专业等级（分值表），校园环境（分值表），师资力量（分值表），对每个属性进行200份问卷调查确定权重，计算综合得分后排序